atitit opencv apiattilax总结 约500个函数 .xlsx
atitit opencv apiattilax总结 约500个函数 .xlsx
1.3. CvAux中文参考手册 立体匹配 3D Tracking PCA) Markov Models \3
1.7. Cv中文参考手册 *图像处理 运动分析与对象跟踪 模式识别 照相机定标和三维重建8
|
1.1. CxCore中文参考手册 |
|
CxCore中文参考手册 |
1.2. 机器学习中文参考手册 knn svm
本文翻译尚未完成,请您将英文部分翻译为中文。
目录
1 简介:通用类和函数
1.1 CvStatModel
1.2 CvStatModel::CvStatModel
1.3 CvStatModel::CvStatModel(...)
1.4 CvStatModel::~CvStatModel
1.5 CvStatModel::clear
1.6 CvStatModel::save
1.7 CvStatModel::load
1.8 CvStatModel::write
1.9 CvStatModel::read
1.10 CvStatModel::train
1.11 CvStatModel::predict
2 Normal Bayes 分类器
2.1 CvNormalBayesClassifier
2.2 CvNormalBayesClassifier::train
2.3 CvNormalBayesClassifier::predict
3 K近邻算法
3.1 CvKNearest
3.2 CvKNearest::train
3.3 CvKNearest::find_nearest
3.4 例程:使用kNN进行2维样本集的分类,样本集的分布为混合高斯分布
4 支持向量机部分
4.1 CvSVM
4.2 CvSVMParams
4.3 CvSVM::train
4.4 CvSVM::get_support_vector*
4.5 补充:在WindowsXP+OpenCVRC1平台下整合OpenCV与libSVM
4.6 常用libSVM资料链接
5 决策树
5.1 CvDTreeSplit
5.2 CvDTreeNode
5.3 CvDTreeParams
5.4 CvDTreeTrainData
5.5 CvDTree
5.6 CvDTree::train
5.7 CvDTree::predict
6 Boosting
6.1 CvBoostParams
6.2 CvBoostTree
6.3 CvBoost
6.4 CvBoost::train
6.5 CvBoost::predict
6.6 CvBoost::prune
6.7 CvBoost::get_weak_predictors
7 中文翻译者
1.3. CvAux中文参考手册 立体匹配 3D Tracking PCA) Markov Models
\
目录
1 立体匹配
1.1 FindStereoCorrespondence
2 View Morphing Functions
2.1 MakeScanlines
2.2 PreWarpImage
2.3 FindRuns
2.4 DynamicCorrespondMulti
2.5 MakeAlphaScanlines
2.6 MorphEpilinesMulti
2.7 PostWarpImage
2.8 DeleteMoire
3 3D Tracking Functions
3.1 3dTrackerCalibrateCameras
3.2 3dTrackerLocateObjects
4 Eigen Objects (PCA) Functions
4.1 CalcCovarMatrixEx
4.2 CalcEigenObjects
4.3 CalcDecompCoeff
4.4 EigenDecomposite
4.5 EigenProjection
5 Embedded Hidden Markov Models Functions
5.1 CvHMM
5.2 CvImgObsInfo
5.3 Create2DHMM
5.4 Release2DHMM
5.5 CreateObsInfo
5.6 ReleaseObsInfo
5.7 ImgToObs_DCT
5.8 UniformImgSegm
5.9 InitMixSegm
5.10 EstimateHMMStateParams
5.11 EstimateTransProb
5.12 EstimateObsProb
5.13 EViterbi
5.14 MixSegmL2
1.4. 图像处理 1 梯度、边缘和角点 2 采样、插值和几何变换 3 形态学操作 4 滤波器与色彩空间变换 5 金字塔及其应用 6 连接部件 7 图像与轮廓矩 8 特殊图像变换 9 直方图 10 匹配
Cv图像处理
注意:本章描述图像处理和分析的一些函数。大多数函数都是针对两维象素数组的,这里,我们称这些数组为“图像”,但是它们不一定非得是IplImage 结构,也可以是CvMat或者CvMatND结构。
目录
1 梯度、边缘和角点
1.1 Sobel
1.2 Laplace
1.3 Canny
1.4 PreCornerDetect
1.5 CornerEigenValsAndVecs
1.6 CornerMinEigenVal
1.7 CornerHarris
1.8 FindCornerSubPix
1.9 GoodFeaturesToTrack
2 采样、插值和几何变换
2.1 InitLineIterator
2.2 SampleLine
2.3 GetRectSubPix
2.4 GetQuadrangleSubPix
2.5 Resize
2.6 WarpAffine
2.7 GetAffineTransform
2.8 2DRotationMatrix
2.9 WarpPerspective
2.10 WarpPerspectiveQMatrix
2.11 GetPerspectiveTransform
2.12 Remap
2.13 LogPolar
3 形态学操作
3.1 CreateStructuringElementEx
3.2 ReleaseStructuringElement
3.3 Erode
3.4 Dilate
3.5 MorphologyEx
4 滤波器与色彩空间变换
4.1 Smooth
4.2 Filter2D
4.3 CopyMakeBorder
4.4 Integral
4.5 CvtColor
4.6 Threshold
4.7 AdaptiveThreshold
5 金字塔及其应用 6 连接部件 7 图像与轮廓矩 7 图像与轮廓矩 8 特殊图像变换 9 直方图 10 匹配
5.1 PyrDown
5.2 PyrUp
6 连接部件
6.1 CvConnectedComp
6.2 FloodFill
6.3 FindContours
6.4 StartFindContours
6.5 FindNextContour
6.6 SubstituteContour
6.7 EndFindContours
6.8 PyrSegmentation
6.9 PyrMeanShiftFiltering
6.10 Watershed
7 图像与轮廓矩 8 特殊图像变换 9 直方图 10 匹配
7.1 Moments
7.2 GetSpatialMoment
7.3 GetCentralMoment
7.4 GetNormalizedCentralMoment
7.5 GetHuMoments
8 特殊图像变换
8.1 HoughLines
8.2 HoughCircles
8.3 DistTransform
8.4 Inpaint
9 直方图 10 匹配
9.1 CvHistogram
9.2 CreateHist
9.3 SetHistBinRanges
9.4 ReleaseHist
9.5 ClearHist
9.6 MakeHistHeaderForArray
9.7 QueryHistValue_1D
9.8 GetHistValue_1D
9.9 GetMinMaxHistValue
9.10 NormalizeHist
9.11 ThreshHist
9.12 CompareHist
9.13 CopyHist
9.14 CalcHist
9.15 CalcBackProject
9.16 CalcBackProjectPatch
9.17 CalcProbDensity
9.18 EqualizeHist
10 匹配
10.1 MatchTemplate
10.2 MatchShapes
10.3 CalcEMD2
|
1.5. Cv运动分析与对象跟踪 |
|
Cv运动分析与对象跟踪 |
1.6. Cv模式识别 目标检测
目录
1 目标检测
1.1 CvHaarFeature, CvHaarClassifier, CvHaarStageClassifier, CvHaarClassifierCascade
1.2 cvLoadHaarClassifierCascade
1.3 cvReleaseHaarClassifierCascade
1.4 cvHaarDetectObjects
1.5 cvSetImagesForHaarClassifierCascade
1.6 cvRunHaarClassifierCascade
|
1.7. Cv中文参考手册 *图像处理 运动分析与对象跟踪 模式识别 照相机定标和三维重建 |
|
Cv中文参考手册 |
|
1.8. HighGUI中文参考手册 |
|
HighGUI中文参考手册 |
opencv中文版API文档 - 下载频道 - CSDN.NET.html
OpenCV API Reference — OpenCV 3.0.0-dev documentation.html
作者:: 绰号:老哇的爪子 ( 全名::Attilax Akbar Al Rapanui 阿提拉克斯 阿克巴 阿尔 拉帕努伊 )
汉字名:艾提拉(艾龙), EMAIL:1466519819@qq.com
转载请注明来源: http://www.cnblogs.com/attilax/
Atiend
atitit opencv apiattilax总结 约500个函数 .xlsx的更多相关文章
- Atitit opencv模板匹配attilax总结
Atitit opencv模板匹配attilax总结 找一幅图像的匹配的模板,可以在一段视频里寻找出我们感兴趣的东西,比如条形码的识别就可能需要这样类似的一个工作提取出条形码区域(当然这样的方法并不鲁 ...
- Atitit opencv版本新特性attilax总结
Atitit opencv版本新特性attilax总结 1.1. :OpenCV 3.0 发布,史上功能最全,速度最快的版1 1.2. 应用领域2 1.3. OPENCV2.4.3改进 2.4.2就有 ...
- Atitit opencv 模板匹配
Atitit opencv 模板匹配 1.1. 图片1 1.2. Atitit opencv 模板匹配 6中匹配算法貌似效果区别不大1 1.3. 对模板缩放的影响 一般的缩放可以,太大了就歇菜了.. ...
- opencv 简单、常用的图像处理函数(2)
opencv的项目以来配置和环境变量的配置都很简单,对于我这个没有c++基础的来说,复杂的是opencv的api和一些大部分来自国外没有翻译的资料,以及一些常见的编码问题. 资料 opencv 中文a ...
- OpenCv 2.4.9 (二) 核心函数
前言 经过前面一节的怎样读取图片,我们可以做一些有趣的图像变换,下面我们首先介绍使用遍历的方法实现,然后我们使用内置的函数实现. 矩阵掩码实现 矩阵掩码,和卷积神经网络中的卷积类似.一个例子如下: 现 ...
- 【opencv基础】测量运行时间的函数getTickCount/getCPUTickCount/getTickFrequency
函数的计算结果类型是double,单位是秒. 要使用更精确的计时,就需要使用getCPUTickCount(),不过现代计算机CPU的频率会随着负载而变化所以没大有必要使用该函数,可以参看函数的介绍[ ...
- OpenCV图像处理篇之阈值操作函数
阈值操作类型 这5种阈值操作类型保留opencv tutorials中的英文名称.依次为: Threshold Binary:即二值化,将大于阈值的灰度值设为最大灰度值.小于阈值的值设为0. Thre ...
- OpenCV中阈值(threshold)函数: threshold 。
OpenCV中提供了阈值(threshold)函数: threshold . 这个函数有5种阈值化类型,在接下来的章节中将会具体介绍. 为了解释阈值分割的过程,我们来看一个简单有关像素灰度的图片,该图 ...
- opencv图像二值化的函数cvThreshold()。 cvAdaptiveThreshol
OpenCV中对图像进行二值化的关键函数——cvThreshold(). 函数功能:采用Canny方法对图像进行边缘检测 函数原型: void cvThreshold( const CvArr* sr ...
随机推荐
- Android 时间维护服务 TimeService(针对于特殊定制设备)
此方法针对于无法自动获取网络时间的特殊设备,正常 Android 设备直接调用 System.currentTimeMillis(); 方法获取当前时间即可. TimeService 集成于 Serv ...
- knapsack problem 背包问题 贪婪算法GA
knapsack problem 背包问题贪婪算法GA 给点n个物品,第j个物品的重量,价值,背包的容量为.应选哪些物品放入包内使物品总价值最大? 规划模型 max s.t. 贪婪算法(GA) 1.按 ...
- 在JAVA中把JSON数据格式化输出到控制台
public class ForMatJSONStr { public static void main(String[] args) { String jsonStr = "{\" ...
- Java中区别.toString() ,(String),valueOf()方法
在java项目的实际开发和应用中,常常需要用到将对象转为String这一基本功能.本文将对常用的转换方法进行一个总结.常用的方法有Object.toString(),(String)要转换的对象,St ...
- word-wrap&&word-break,奇偶行、列设置样式
1.word-wrap和word-break区分. 来源场景:机械租赁mvc驾驶员信息查看: 当备注的文字多的时候,第一列的值成这模样: 解决方案:设置table 的td可自动换行.首先table设置 ...
- 关于sitemesh和freemark在struts2中的一些问题总结
最近刚开始工作,首先让我在熟悉公司编程环境的前提下做一些简单的增删改查,在此总结一些这些天遇到的问题. 1,在刚开始建表的时候,我在oracle数据库中设置的主键id为四位的number类型,对应的实 ...
- 初识selenium--百度实例录制
Selenium 是一个web的自动化测试工具,不少学习功能自动化的朋友首选的就是Selenium,它相比QTP有许多优点(QTP笔者由于种种原因暂未使用过O(∩_∩)O哈!): ①Selenium是 ...
- javascript replace正则替换时调用函数替换的使用
以下函数将替换英文方式下的单引号和双引号,当然change函数编写决定了你要替换什么? String.prototype.repSpecChar=function() { ...
- TCP字节流和UDP数据报区别
两者的区别在于TCP接收的是一堆数据,而每次取多少由主机决定;而UDP发的是数据报,客户发送多少就接收多少. 拥有这些区别的原因是由于TCP和UDP的特性不同而决定的.TCP是面向连接的,也就是说,在 ...
- 为自己搭建一个鹊桥 -- Native Page与Web View之间的JSBridge实现方式
说起JSBridge,大家最熟悉的应该就是微信的WeixinJSBridge,通过它各个公众页面可以调用后台方法和微信进行交互,为用户提供相关功能.我们就来说说UWP下怎么样实现我们自己的JSBrid ...